黄永庆周 强

(陕西科技大学电气与控制工程学院，陕西 西安710021)

情绪(emotion，EM)是一个心理到生理的过程，是人体在受到一定刺激之后自身产生的一种生理反应，同时也是一种信息的传递。情绪分析已成为人工智能领域一个研究热门，在公共安全、交通安全、医疗看护以及人机交互等方面有着广泛的应用前景[1]。人体的情绪状态可通过面部表情、肢体动作等非生理指标以及血压、脑电等生理指标来辨识。由于非生理指标具有主观性，且可通过训练瞒过他人，另外自闭症、肢体机能丧失等人群无法自主表达情绪，所以通过非生理指标判断情绪状态具有一定的局限性。而通过生理指标判断情绪状态具有更高的可靠性和更强的表征性[2]，其中脑电信号(Electroencephalogram，EEG)包含信息丰富、采集便捷，作为情绪生理指标判别依据受到越来越多研究者的欢迎。

基于EEG辨别情绪的方法主要分为传统机器学习和深度学习两类。传统机器学习是情绪辨别前期研究的主要方法，文献[3]提取EEG的功率谱密度作为特征，选用SVM为分类器，对快乐、生气、悲伤、欣喜四种情绪状态进行分类，准确率达到82.29%；文献[4]提取频谱特征，使用KNN分类器，对积极、消极、中性三种情绪分类得到82%的准确率。由于传统机器学习的效果依赖于人工设计的特征量质量，而EEG是一种具有强非线性的非平稳随机信号，隐藏于EEG中的特征量通常难以挖掘，这使得基于传统机器学习的情绪辨识方法精度难以进一步提升。深度学习方法具有自动生成由网络浅层到深层、由具体到抽象的多层结构特征，从而有效地避免了繁琐的人工提取特征工作，使得越来越多的情绪辨识研究者将目光从传统机器学习聚焦到深度学习上。……